MétaCan
Menu
Retour à la cohorte
Enregistrement W4396949462 · doi:10.1109/isqed60706.2024.10528723

Fake Timer: An Engine for Accurate Timing Estimation in Register Transfer Level Designs

2024· article· en· W4396949462 sur OpenAlexaff
Daniela Sánchez Lopera, Robert Kunzelmann, Endri Kaja, Wolfgang Ecker

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueLow-power high-performance VLSI design
Établissements canadiensInfineon Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésTimerComputer scienceRegister (sociolinguistics)Register-transfer levelTransfer (computing)Register fileComputer hardwareLogic gateLogic synthesisInstruction setParallel computingMicrocontrollerAlgorithm

Résumé

récupéré en direct d'OpenAlex

Despite advances in register-transfer level (RTL) synthesis tools, the quality of synthesized netlists still relies on the RTL micro-architecture. This often causes timing violations to be addressed in the RTL, resulting in time-consuming modify-synthesize-analyze cycles. Recent approaches use machine learning (ML) to estimate timing metrics from an RTL. However, they do not target relevant metrics such as block-based arrival times (ATs) and slacks, essential for micro-architecture search. This paper introduces a novel approach called Fake Timer, which back-annotates realistic timing metrics from flattened synthesis to RTL blocks. Fake Timer inputs an RTL intermediate representation and propagates ML-predicted pin-to-pin delays to compute block-based ATs. These computed ATs do not consider cross-boundary optimizations possible during flattened synthesis. Thus, predicted delays are corrected and used to recompute realistic ATs, required ATs, and slacks. Experiments show that computed ATs at the design’s endpoints achieve a coefficient of determination $R^{2}$ of 95% and 85% regarding hierarchical and flattened synthesis results, respectively. Moreover, all the pin-to-pin delays are corrected to consider flattened results and obtain realistic timing metrics. Fake Timer back-annotates timing to RTL blocks, even if they no longer appear in the flattened netlist. In this way, timing-driven micro-architecture search is enabled at the early stages of the design flow.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,102
Tête enseignante GPT0,296
Écart entre enseignants0,194 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLow-power high-performance VLSI designTravaux en français237 207